分类: AI技术
从 GPU 到自研 ASIC：OpenAI 为什么要把推理芯片握在自己手里
OpenAI 与 Broadcom 的 Jalapeño 定制推理芯片说明，AI 公司正在把模型、硬件、推理成本和供应链纳入同一个战略闭环。
里德·霍夫曼的 AI 判断：买来算力不等于成为 AI 公司
在 Pioneers of AI 播客中，里德·霍夫曼对 SpaceX、xAI、OpenAI、Anthropic、AI 监管和年轻人的职业选择给出了一组尖锐判断。
Vibe Coding 的关键不是烧 Token，而是把 AI 当工程团队管理
V2EX 上关于“深度 Vibe Coding 两个月、三百多亿 Token”的分享，真正有价值的不是用量数字，而是一套严肃项目中的 AI 编程组织方法。
从 AGENTS.md 到 Trellis：把 Codex 变成真正熟悉项目的开发助手
V2EX 关于 Codex 项目上下文的讨论，指向一个更工程化的问题：如何让 AI 不再每次都像新来的开发，而是逐步理解项目结构、业务约定、代码风格和历史决策。
SLB 数字市场的启示：能源 AI Agent 需要生态，更需要验证规则
SLB 在 2026 年 6 月发布 Digital Marketplace，把 AI agents、domain models、skills、tools、data connectors 和数字应用放到一个经过治理的能源行业市场中。
普通人最大的机会：比别人早一点承认未来已经来了
普通人最大的机会，不是预测未来，而是比别人早一点承认未来已经来了。AI 不再只是工具，它正在重构教育、医疗、工作和财富分配。真正的差距，不在知道多少概念，而在谁更早改变行动。
硅谷叛徒彼得·蒂尔：那个不相信硅谷神话的人，如何改写美国权力地图
彼得·蒂尔不是硅谷故事里的普通成功者。他从 PayPal、Facebook、Palantir 到 Founders Fund，一直在押注基础设施、权力网络和反共识机会。他真正背叛的不是资本，而是硅谷最爱讲的开放、进步和中立神话。
每天一万步，每天一亿 Token：AI 时代最硬核的健康工作法
AI 时代的高强度工作，不应该是人坐在电脑前硬扛。更合理的分工是：人保持身体、方向和判断，机器承担检索、生成、验证和沉淀。一万步是人的节律，一亿 Token 是机器的吞吐。
LLM 的原理与标新立异之间，真的有矛盾吗？
LLM 降低 loss、贴近既有分布，这确实会压低怪异性；但这不等于它只能复读。更准确的说法是：LLM 能生成新组合和候选假说，但不能单独证明这些东西有价值。
没有评估器，Agent 的 loop 只是在空转
自主编码 Agent 不能只靠模型自述判断是否完成。没有 evaluator，loop 只是生成、解释、宣布完成；有 evaluator，目标、过程和产物才会被证据闭合。
AI 写代码之后，人类应该审计划，而不是盯着代码海洋找针
AI 编程让单次改动的代码量变大，逐行审 diff 的性价比会下降。更合理的做法，是把审查前移到计划：目标、边界、接口、数据模型、风险和验证路径。
Mythos 几小时攻破 NSA？真正危险的不是一个模型，而是安全流程还停在人类速度
《经济学人》转述 Mark Warner 的说法称，Mythos 在 NSA 和网络司令部内部红队测试中表现惊人。这个说法需要限定条件，但它提醒我们：AI 正在把网络攻防推进到机器速度，企业安全流程不能继续按人工节奏设计。
Project Valhalla：Java 对象模型终于开始偿还性能旧账
Project Valhalla 的价值对象不是一个普通语法糖，而是 Java 对象模型的一次底层修正。它试图解决 Java 长期以来在抽象性与内存局部性之间的矛盾：开发者想用类表达领域值，JVM 却不得不为很多不需要身份的对象支付指针、对象头、分配和 GC 成本。
AI Agent 不缺模型，缺的是能让它自己交付的基础设施
Cloudflare 临时账户让 Agent 可以无登录部署 Worker，HTTP QUERY 成为正式 RFC 则补上了复杂查询的协议语义。它们看似是两条小新闻，本质上都指向同一件事：Agent 时代真正稀缺的不是“会说话的模型”，而是能让代理安全、临时、可验证地调用和交付的基础设施。
自动驾驶强制国标来了：车企以后不能只讲“智驾很强”
首部面向 L3/L4 自动驾驶系统的强制性国家标准进入报批公示阶段，建议 2027 年 7 月 1 日实施。它真正改变的不是某一个测试指标，而是行业竞争逻辑：从宣传功能、堆测试里程、抢城市覆盖，转向用安全档案证明系统边界、失效策略和验证闭环。
1万个恶意 GitHub 仓库背后：AI 代理时代，开源信任正在被重新定价
这起 GitHub 恶意仓库事件最值得警惕的地方，不是“有人上传木马”，而是攻击者正在利用开源生态的信任信号和搜索机制，瞄准越来越自动化的软件生产流程。
AI 时代的人才分层：初级岗位正在被“高级化”
AI 没有简单地消灭工作，而是在重写岗位阶梯：低阶重复任务被自动化，初级岗位开始要求判断力、沟通力、业务理解和工具组合能力。真正稀缺的人才，不是会用 AI，而是能带着 AI 完成复杂闭环。